Introducción
Esta práctica te guiará a través del proceso de creación de gráficos sombreados en Matplotlib utilizando diferentes técnicas. Aprenderás a mostrar una barra de colores para un gráfico sombreado, evitar valores atípicos en un gráfico sombreado y mostrar diferentes variables a través de la sombreado y el color.
Consejos sobre la VM
Una vez finalizada la inicialización de la VM, haz clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.
A veces, es posible que tengas que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de las operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.
Si tienes problemas durante el aprendizaje, no dudes en preguntar a Labby. Proporciona retroalimentación después de la sesión y resolveremos rápidamente el problema para ti.
Mostrar una barra de colores para un gráfico sombreado
En este paso, aprenderás a mostrar una barra de colores numérica correcta para un gráfico sombreado.
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LightSource, Normalize
def display_colorbar():
"""Mostrar una barra de colores numérica correcta para un gráfico sombreado."""
y, x = np.mgrid[-4:2:200j, -4:2:200j]
z = 10 * np.cos(x**2 + y**2)
cmap = plt.cm.copper
ls = LightSource(315, 45)
rgb = ls.shade(z, cmap)
fig, ax = plt.subplots()
ax.imshow(rgb, interpolation='bilinear')
## Usar un artista proxy para la barra de colores...
im = ax.imshow(z, cmap=cmap)
im.remove()
fig.colorbar(im, ax=ax)
ax.set_title('Using a colorbar with a shaded plot', size='x-large')
Evitando valores atípicos en gráficos sombreados
En este paso, aprenderás a utilizar una norma personalizada para controlar el rango de valores de z mostrado en un gráfico sombreado.
def avoid_outliers():
"""Usar una norma personalizada para controlar el rango de valores de z mostrado en un gráfico sombreado."""
y, x = np.mgrid[-4:2:200j, -4:2:200j]
z = 10 * np.cos(x**2 + y**2)
## Agregar algunos valores atípicos...
z[100, 105] = 2000
z[120, 110] = -9000
ls = LightSource(315, 45)
fig, (ax1, ax2) = plt.subplots(ncols=2, figsize=(8, 4.5))
rgb = ls.shade(z, plt.cm.copper)
ax1.imshow(rgb, interpolation='bilinear')
ax1.set_title('Full range of data')
rgb = ls.shade(z, plt.cm.copper, vmin=-10, vmax=10)
ax2.imshow(rgb, interpolation='bilinear')
ax2.set_title('Manually set range')
fig.suptitle('Avoiding Outliers in Shaded Plots', size='x-large')
Mostrando diferentes variables a través del sombreado y el color
En este paso, aprenderás a mostrar diferentes variables a través del sombreado y el color.
def shade_other_data():
"""Demuestra la visualización de diferentes variables a través del sombreado y el color."""
y, x = np.mgrid[-4:2:200j, -4:2:200j]
z1 = np.sin(x**2) ## Datos para el sombreado de relieve
z2 = np.cos(x**2 + y**2) ## Datos para el color
norm = Normalize(z2.min(), z2.max())
cmap = plt.cm.RdBu
ls = LightSource(315, 45)
rgb = ls.shade_rgb(cmap(norm(z2)), z1)
fig, ax = plt.subplots()
ax.imshow(rgb, interpolation='bilinear')
ax.set_title('Shade by one variable, color by another', size='x-large')
Resumen
En esta práctica, aprendiste cómo crear gráficos sombreados en Matplotlib utilizando diferentes técnicas, como mostrar una barra de colores para un gráfico sombreado, evitar valores atípicos en un gráfico sombreado y mostrar diferentes variables a través del sombreado y el color. Estas técnicas pueden ser útiles para visualizar y explorar datos en una variedad de aplicaciones.